Liñas de investigación
Aquí atoparas unha breve explicación de cada grupo
Farmacoinformática
A Quimioinformática usa técnicas computacionais tales como Machine Learning, Deep Learningg, QSAR o Docking para a obtención de solucións na búsqueda de novos fármacos e dianas moleculares para o tratamento de enfermidades. Para levalo a cabo precísase dun abordaxe multidisciplinar que combine os mundos da saúde, como son a Química, Farmacoloxía ou a Bioloxía, cos de tecnoloxía, como son a Computación e a Intelixencia Artificial.
Linea de Seguridade e Protección da Información. Ciberdefensa e forense
Podemos afirmar que sin risco non hai diversión. Pero ao igual que no resto das facetas da vida, os riscos deben ser controados e os mecanismos de seguridade implementados, para evitar que a diversión se convirta en fracaso. As tecnoloxías da información e as comunicacións non son moi diversas, e o noso mundo está plagado de riscos, dos bós e dos malos, de malos que parecen bos e de bos que non o son.
Teleformación e deseños tecnolóxicos
Nesta liña trabállase sobre todo en aspectos de interacción home-máquina. Por un lado, buscando mellorar os métodos de formación a distancia co obxectivo de facilitar a aprendizaxe: novos interfaces, metodoloxías de aprendizaxe activo, inclusión de redes sociais, gamificación, etc. Por outro, tratando de incorporar a evolución da computación e o deseño de obxectos hacia entornos intelixentes con certa autonomía, o que se coñece como intelixencia ambiental.
Computación evolutiva e Intelixencia Artificial en Enxeñaría Civil
Os avances no campo da Intelixencia Artificial tiveron unha forte influencia nas diferentes áreas da Enxeñaría Civil, por iso, nesta liña empréganse novos métodos, técnicas e algoritmos de Intelixencia Artificial nos diferentes campos da enxeñaría civil como son a Construción, a Hidroloxía ou os Portos e Costas.
Modelización Computacional Conexionista: Intelixencia Artificial e Neurociencia
A Intelixencia Artificial propón modelos computacionais inspirados no sistema de procesamento da información dos seres intelixentes. A Neurociencia para avanzar precisa do uso de modelos e técnicas de Intelixencia Artificial para comprobar descubrimentos e probar hipóteses plantexadas nos laboratorios de Neurociencia, tratando de coñecer como é íntimamente o procesamento da información no cerebro.
Creatividade Computacional
Desde o comezo dos tempos, os seres humanos perseguiron a capacidade de entender a arte desde varios enfoques, tanto filosóficos como científicos. Co desenvolvemento da informática, pioneiros como Ada Lovelace ou Alan Turing chegaron a augurar no futuro a posibilidade de crear computadores con capacidades creativas e artísticas.
Bioinformática e Minería de Datos. Gráficos e procesamento de imaxe
O grupo RNASA-IMEDIR presenta unha gran experiencia na aplicación de varias técnicas de Intelixencia Artificial: Redes de Neuronas Artificiais, Sistemas Evolutivos, Sistemas Expertos…
A transferencia destes métodos ao ámbito práctico faise especialmente relevante na liña de ‘datamining’, procesado de imaxe e bioinformática. Debido á especial natureza e heteroxeneidade dos datos cos que se traballa adoita ser necesario o traballo conxunto de diferentes técnicas e/ou a realización de rigorosos controis estadísticos que permitan determinar o mellor dos métodos.
Accesibilidade, TIC en diversidade funcional e envellecemento
Aplicación das tecnoloxías da información e as comunicacións no ámbito da discapacidade. Adaptación do ordenador mediante o deseño e desenvolvemento de productos de apoio e adaptaciones. Creación de contidos multimedia para a intervención desde terapia ocupacional. Evaluación do impacto de programas basados no uso das TIC nas persoas maiores e/ou con discapacidade utilizando diferentes instrumentos de valoración.
Aplicacións prácticas do Machine Learning
Nesta liña preténdese sacar o máximo partido as vantaxes que nos aporta a aplicación de técnicas de Machine Learning á investigación, tendo como obxectivos a aplicación destas técnicas para a resolución de problemas do mundo real, realizar análisis de señais e imaxes con extracción de características de forma automatizada, e por último, optimizar os resultados mediante a aplicación específica de Deep Learning.
Informática Médica e Ontoloxías
A mediciña participativa basa o seu principio en cambiar a relación médico-paciente mediante unha nova relación de equipo. O cidadá autorresponsabilízase de obter datos da súa saúde mediante dispositivos ‘poñibles’ (wearable) e compárteos co médico para que, conxuntamente, analicen os datos e o médico identifique o significado. Faise copartícipe ao cidadá das decisións e da responsabilidade do tratamento. Neste ámbito, desde o grupo de investigación, trabállase en crear a infraestructura tecnolóxica que de soporte a este novo enfoque da mediciña, facilitando a integración dos datos e a comunicación entre participantes.
